【数据分析/商业分析】数据分析中使用的商业模型（学习总结）

总结数据分析中使用到的商业模型

一、AARRR海盗模型
二、RFM模型
三、OGSM模型
四、AB Test

一、AARRR海盗模型

模型	含义	关注指标	解决问题
A	获取，用户如何发现（并来到）你的产品	日新登用户数DNU	1.渠道贡献的用户份额 2.宏观走势，确定投放策略 3.是否存在大量垃圾用户 4.注册转化率分析
A	激活，用户的第一次使用体验如何	日活跃用户数DAU	1.核心用户规模 2.产品生命周期分析 3.产品活跃用户流失，分解活跃用户 4.用户活跃率，活跃用户计用户量
		周活跃用户数WAU	1.周期性用户规模 2.周期性变化趋势，主要是推广期和非推广期的比较
		日均使用时长DAOT	1.分析产品的质量问题 2.观察不同时间维度的平均使用时长，了解不同用户群的习惯 3.渠道质量衡量标准之一 4.留存即流失分析的依据
		DAU/MAU	1.可以看出用户每月访问App的平均天数是多少（一般需要结合产品属性去判断客户粘性） 2.产品生命周期分析 3.产品活跃用户流失，分解活跃用户 4.用户活跃率，活跃用户计用户量
R	留存，用户是否还会回到产品（重复使用）	N日留存率	1.APP质量评估 2.用户质量评估 3.用户规模衡量
		流失率 (统计日登录APP，但随后7日未登录APP的用户占统计日活跃用户的比例)	1.活跃用户生命周期分析 2.渠道的变化情况 3.拉动收入的运营手段，版本更新对于用户的流失影响评估 4.什么时期的流失率较高 5.行业比较和产品中期评估
R	收入，产品怎样（通过用户）赚钱	付费率PR/PUR (付费用户数占活跃用户的比例)	1.产品的收益转化能力标准 2.用户付费关键点和转化周期 3.付费转化效果评估
		活跃付费用户数APA APA＝MAU×MPR	1.产品的付费用户规模 2.APA的构成情况，鲸鱼用户、海豚用户、小鱼用户的比例以及收益能力 3.付费群体的价值即整体稳定性分析
		平均每用户收入ARPU	1.不同渠道用户质量的判断 2.产品收益贡献分析 3.活跃用户人均收入与投放成本的关系
		平均每付费用户收入ARPPU	1.付费用户的付费能力和梯度变化 2.付费用户的整体付费趋势和不同付费阶层差异 3.对鲸鱼用户的价值挖掘
		生命周期价值LTV LTV＝ARPU×LT	1.用户收益贡献周期 2.LTV不区分付费与非付费用户，看待整体的价值
R	传播，用户是否愿意告诉其他用户	K＝（每个用户向他的朋友们发出的邀请的数量）×（接收到邀请的人转化为新用户的转化率）

【参考资料】
AARRR模型（模型数据指标详解）

二、RFM模型

模型	含义	判断标准	影响因素（顾客自身）	企业应用场景
R	最近一次消费	离得越远，客户越有流失的可能	①店铺记忆强度 ②接触机会多少 ③回购周期	①决定接触策略 ②决定接触频次 ③决定刺激力度
F	消费频率	频次越低，越需要用一次性手段；频次越高，越可以用持续性手段来维护	①品牌忠诚度 ②店铺熟悉度客户会员等级 ④购买习惯养成	①决定资源投入 ②决定营销优先级 ③决定活动方案
M	消费金额	消费越多，用户价值越高，越应该重点关注	①消费能力 ②产品认可度	①决定推荐商品 ②决定折扣门槛 ③决定活动方案

帮助企业筛选优质客户
帮助企业针对用户细分制定不同的营销策略（例如调整消费门槛、

【RFM的变型】 另外，RFM还有许多变型，比如可以用来判断活跃用户，即将原本的R、F、M含义引申为【最近一次活跃】、【最近一周内活跃频次】，【最近一周内活跃时长】

【RFM的缺点】 仅仅考虑了用户的行为数量，没有考虑用户在干什么

【RFM具体业务场景的使用】（以打车APP举例）

指标
R	距上一次打车时间
F	过去30天内打车频率
M	过去30天内累积消费

先看M：区分用户价值，可以使用帕累托法则寻找重要客户
再看R：R值越大的客户很可能有被挖走，需要对这类人群做出一次性营销手段
最后看F：区分出两类用户→用车频繁却金额少、用车少金额大

【参考资料】
数据分析——RFM模型
数据分析八大模型：详解RFM模型

三、OGSM模型

OGSM是企业管理方法论，其模型结构及其含义如下：

模型	含义	制定部门
O	目的，指企业要达成的目标，一般是定性描述	最高管理层（若O太宏大，也会有事业级部门拆分新的O1,O2
G	目的，目标，从企业目标里拆分出的，可量化/可跟踪的目标	最高管理层
S	目的，策略，达成目标的做法组合	部门级制定、项目小组落地
M	目的，度量，衡量策略是否执行到位	部门级制定、项目小组落地
【理解】

O的制定为定性分析，而G会量化O，若G达到而O无法达到，可能是O指定的目标太宏大
OGSM可以分析出究竟是下属执行不利还是领导目标定得太高
【参考资料】
数据分析八大模型：OGSM模型

四、AB Test

概念：简单来说就是控制变量法，产品正式上新之前，将用户分成几组，分别看到不同的产品方案，根据真实数据确定产品的优化方向或最终发布的版本
优点：避免选择分歧和反复试错，优化决策，结合统计学原理，通过分组实验前置验证收益，最终方案有据可依。
缺点：开发和周期测试增加
实施步骤：
①选择metric（用户使用次数/时长、收益/用户量增长、页面停留时长）
②确定样本容量与持续时间（持续时间=样本容量/每组人数）
③随机抽样：先进行AA test确保两组没有明显区别
④执行
⑤分析结果

【数据分析/商业分析】数据分析中使用的商业模型（学习总结）相关推荐

【数据分析/商业分析】面试题整理——统计学/机器学习/业务专题
SQL编程专题:[数据分析/商业分析]面试题整理--SQL专题文章目录统计学机器学习 SQL 大数据业务知识 python 统计学怎么做假设检验偏态分布怎么处理假设检验的基本原理,为什么 ...
为什么进行商业分析？什么是商业分析？（一）
前言商业分析就是看内部和外部的环境所带来的问题或机会. 商业分析是任何人都可以做的,只要做了商业分析的工作的人,都可以称为商业分析师(BA). 如果说企业的发展如同赛车,那么企业主就是赛车手,商业分 ...
为什么进行商业分析？什么是商业分析？（三）需求收集、需求跟踪、商业分析评估
启发术语"收集"或"汇总"意味着相关方已经有了被收集或汇总的产品信息,所以启发不仅仅代表收集或汇总产品信息.相关方通常有想要的东西.想要和创意,但是他们难以清 ...
商业数据分析-战略分析读后感
商业数据分析-战略分析读后感战略分析战略分析的整体思路战略分析的部分案例展示战略分析本篇读后感理论知识来自于陈哲的<活用数据-驱动业务的数据分析实战>.本篇侧重于读完第四章的心得 ...
像麦肯锡咨询师一样做商业分析_课程笔记模块六：数据分析
文章目录信息可视化呈现和分析 excel整理数据信息信息分析的目的和对象咨询公司信息分析流程咨询公司要求的Excel常用功能 Excel常用功能(足够应对80%以上的数据整理要求) 进阶功能( ...
大数据分析四大分析要素
任何数据分析过程都包括四大要素:场景+数据+工具+方法,数据分析起点必须来源于某个场景下的需求,根据需求目标(场景),搭建分析框架(方法),提取需要的数据指标(数据),用适合的工具实现,最后提炼结论, ...
数据分析-思维分析逻辑day02
一.数据分析多元思维模型背景瓶颈.职业发展不顺利.掌握好哪些能力中观能力真正的专业度,能够很好的发现其他分析师中的问题:需要长期总结和思考,但多数同学没掌握中观能力:专业度.包括技术理解.逻 ...
【数据分析】分析方法 | 业务知识 | 行业分析
文章目录一.业务指标 1.1 数据分类 1.2 常用指标 (1)用户数据指标(我是谁) (2)行为数据指标(我做了啥) (3)产品数据指标(sale啥东西) (4)推广付费指标 1)展示广告位 2) ...
数据分析案例分析：日化公司社群营销场景，产品SKU，用户转化率，用户流转地图
近期参加了一个业务数据分析的3天课程,锻炼自己的业务实例数据分析能力. 接下来的内容是第一天课程的作业,里面涉及到许多自己的知识盲区(社群营销,产品SKU,用户转化率,用户流转地图). 分享在这里,期 ...